[发明专利]一种基于粒子群的小型化阵列天线抗干扰实现方法

说明书

本发明公开了一种基于粒子群的小型化阵列天线抗干扰实现方法，属于卫星导航通信领域。本发明将利用改进的综合学习粒子群算法对谱估计函数进行寻优处理，得到有效的干扰来向，然后利用测向结果，基于粒子群算法对阵列方向图进行约束，达到小型化平面阵的快速测向、低副瓣优化和零陷加宽的联合处理，该方法克服了现有小型化阵列天线测向精度差、副瓣过高、动态抗干扰性能较差、构造过程计算复杂度较高的问题。本发明中测向和抗干扰算法共用粒子群算法模块，节省了硬件实现资源；本发明在迭代50次左右就收敛到单个干扰测向的最优值，且测向精度能够达到0.5度，优化抗干扰算法也只需迭代200次左右就能达到收敛，远远优于传统算法。

技术领域

本发明涉及一种基于粒子群的小型化阵列天线干扰检测与抑制实现方法，属于卫星导航通信中阵列信号处理领域。

背景技术

卫星导航系统作为全球的空间信息基础设施，能为全球各类军民载体全天候、全天时连续提供高精度和高速度的导航、定位和授时信息，在国防和国民经济各个领域得到了广泛应用。但卫星导航系统受其信号电平过低等因素影响，某些环境下其在精确性、可靠性、可用性和抗干扰性等方面存在不足，在存在严重电磁干扰的环境下，卫星导航性能急剧恶化甚至不能满足用户定位需求，因此稳健的干扰检测和抑制技术是提升卫星导航有效应用的重要手段。

粒子群优化算法是一种基于群体智慧的演化算法，种群中的每个成员为一个粒子，代表着一个潜在的可行解，而目标的位置被认为是全局最优解。群体在限定范围内进行，并且每个粒子都有一个适应函数值和速度对自身的飞行方向进行调整，当达到收敛目标或最大迭代次数时，算法终止，这时的群体最优值即为求解得到的最优解。而综合学习粒子群算法在经典粒子群算法的基础上进行了简化，将学习样例从2个降为1个，增强了种群的多样性，同时为了避免算法早熟和陷入局部最优问题，通过粒子的增长率调整加速因子，改善传统的综合学习粒子群算法的性能。

粒子群算法相比于传统综合算法，以其简单、高效、面对多目标、非线性综合的优异表现而逐渐获得更多的关注。而基于小孔径阵列天线的测向、抗干扰、阵列优化等技术都是在一定角度范围内寻求最优解的过程，利用粒子群算法能够快速有效的求得最优解，相对于传统的处理手段，收敛速度更快，精度更高。

发明内容

本发明的目的是为了克服现有小型化阵列天线测向精度差、副瓣过高、动态抗干扰性能较差、构造过程计算复杂度较高的问题，提出一种基于粒子群的小型化阵列天线抗干扰实现方法，适用于多种卫星导航系统的接收机终端。

本发明技术方案的基本思路是：在改进的综合学习粒子群算法的基础上，对阵列接收信号进行测向，经过循环处理得到所有有效干扰来向，然后将干扰来向信息作为输入，运用粒子群算法对阵列方向图进行约束，达到低副瓣处理和干扰抑制的目的。

本发明是通过下述技术方案实现的：

一种基于粒子群的小型化阵列天线抗干扰实现方法，包括如下步骤：

步骤1，将阵列天线接收到的M路射频模拟信号进行下变频和A/D量化处理，得到M路中频数字信号；

步骤2，计算M路中频数字信号的协方差矩阵的最大似然估计，并进行特征值分解，得到信号子空间U_S和噪声子空间U_N；

步骤3，利用信号子空间和噪声子空间的双重信息进行谱估计，同时基于概率统计的综合学习粒子群算法对谱估计函数进行寻优处理，得出全局最优位置即为干扰来向；然后通过对粒子搜索范围的迭代调整，得出所有有效干扰来向信息；

步骤4，利用步骤3得到的有效干扰来向信息，基于综合学习粒子群算法对接收信号的二维阵列方向图进行约束，得到空间范围内进行干扰抑制和低副瓣处理的最佳权值；

步骤5，利用最佳权值对M路中频数字信号进行空间滤波，得到无干扰的卫星导航信号。

其中，步骤3具体包括以下步骤：